如何在Keras API中输入数组列表？训练样本数异常求助

嘿，我马上帮你搞定这个问题～你现在的核心问题是数据拼接的方式错了，导致Keras把你两个数据集当成了仅有的2个样本，而不是把它们的样本合并起来。

1. 先搞清楚你的数据形状 #

从你给的示例和代码来看：

• x_train 和 XX_train 应该都是样本集合，每个样本的形状是 (6400, 2)（也就是每个样本包含6400个2维的特征向量）。
• 你用 np.array([x_train, XX_train]) 会把这两个数据集堆叠成一个形状为 (2, N, 6400, 2) 的数组（假设每个数据集有N个样本），Keras会把第一维度 2 当成样本数量，这就是为什么训练时显示“Train on 2 samples”。

2. 正确的数据拼接方式 #

你需要把两个数据集在**样本维度（第一维）**合并，而不是堆叠成新的第一维。用 np.concatenate 代替 np.array：

# 合并x_train和XX_train，样本数相加
XFIT = np.concatenate([x_train, XX_train], axis=0)
# 对应合并标签Y
YFIT = np.concatenate([y_train, yy_train], axis=0)

这样处理后，XFIT 的形状会变成 (N+M, 6400, 2)（N是x_train的样本数，M是XX_train的样本数），Keras会自动把第一维当成样本数，训练时就会显示正确的样本数量了。

3. 输入层的形状是对的，不用改！ #

你的输入层 keras.layers.Input(shape=(6400, 2)) 完全正确，因为每个样本的形状就是 (6400, 2)，和这个定义匹配。之前你改形状报错就是因为数据形状和输入层不匹配，现在数据拼接对了，就没问题了。

额外验证小技巧 #

你可以在代码里加一行打印形状的代码，确认数据是否正确：

print("XFIT shape:", XFIT.shape)
print("YFIT shape:", YFIT.shape)

正常情况下，XFIT的形状应该是 (总样本数, 6400, 2)，YFIT是 (总样本数, 3)（因为你输出层是3个分类的softmax）。

内容的提问来源于stack exchange，提问作者OK 400